La hausse des températures et l’intensification de la sécheresse continuent de s’aggraver avec la crise mondiale du climat. Selon l’Organisation mondiale de la santé, environ 55 millions de personnes dans le monde sont affectées par la sécheresse chaque année – un nombre qui devrait croître à mesure que le changement climatique devient plus extrême.
Grâce à la puissance de l’intelligence artificielle (AI), Andrew Watford, étudiante de quatrième année de la Faculté des sciences de l’Université de Waterloo, relève ce défi en développant des outils plus précis et interprétables pour prévoir la sécheresse.
Dans le cadre de son terme coopératif dans le programme de physique mathématique et de sa promesse stellaire en tant que chercheur dans le domaine, Watford a eu la possibilité de contribuer à une étude sur l’utilisation de l’IA pour analyser la santé de la végétation et prévoir des schémas de sécheresse au Kenya. Le papier, maintenant publié dans Informatique écologiquecompare les performances d’un modèle mécaniste à deux approches d’apprentissage automatique axées sur la physique.
Le rôle de Watford sous la supervision des Drs. Chris Bauch (Faculté de mathématiques) et Madhur Anand (Université de Guelph) ont impliqué la rédaction de code pour prédire l’indice de végétation de différence normalisée (NDVI) dans les régions sujettes à la sécheresse du Kenya. Grâce à un raffinement supplémentaire de ces modèles, la recherche vise à améliorer les méthodes d’apprentissage automatique pour améliorer la prédiction de la sécheresse, ce qui pourrait conduire au développement de systèmes d’alerte précoce et de stratégies d’atténuation.
« Notre objectif était de rassembler les mathématiques et l’apprentissage automatique pour développer de nouvelles méthodologies et faire avancer le champ pour prédire la sécheresse », explique Watford. « Nous sommes encore loin de prédire la sécheresse de cinq ans dans le futur avec certitude, mais c’est un pas vers l’essai de trouver la meilleure façon de le faire. »
La capacité de prédire les sécheresses plus tôt offre d’immenses avantages, notamment en permettant aux gouvernements locaux de mettre en œuvre des stratégies efficaces de gestion de l’eau, permettant aux agriculteurs de sélectionner des cultures résistantes à la sécheresse et d’améliorer considérablement la préparation aux catastrophes naturelles qui pourraient sauver des vies.
À une époque où le changement climatique et les catastrophes naturelles deviennent plus répandus, l’incorporation de modèles d’apprentissage automatique pour aider à atténuer ces menaces devient de plus en plus importante. Abritant le plus grand programme de coopération dans une université à forte intensité de recherche, avec plus de 70% des étudiants acquis jusqu’à deux ans d’expérience en matière d’emploi au cours de leurs études, Watford attribue à l’Université de Waterloo pour avoir pu appliquer son apprentissage à ce véritable – Problème du monde.
« La recherche ne finit pas par pouvoir prédire la sécheresse », dit-il. « C’est un outil évolutif qui aidera les gens et sauvera des vies. »
Plus d’informations:
Andrew Watford et al, Méthodes d’apprentissage automatique inspirées des systèmes dynamiques pour la prédiction de la sécheresse, Informatique écologique (2024). Doi: 10.1016 / j.ecoinf.2024.102889